计量经济学模拟实训讲义2014-2015-2学期（修订版）

《计量经济学模拟实训》课程讲义

时间：2014-2015-2，第1-8周的周五5-8节、第9周周五5-6节； 课时与学分：34课时、2学分；16课时、1学分； 任课教师：尹向飞博士、副教授 上课班级：经济1221班；

联系电话：13755023586 0731-88688022； E-Mail：448560773@qq.com 参考教材：

①张晓峒主编，计量经济学基础，第3版，南开大学出版社

②王少平、杨继生和欧阳志刚主编，计量经济学，2011年6月，高等教育出版社 ③沈根祥编著，计量经济学，2010年8月，格致出版社、上海人民出版社 ④张晓峒著，Eviews使用指南与案例，2007年，机械工业出版社 ⑤易丹辉著，数据分析与Eviews应用，2008年，中国人民大学出版社

⑥Jeffrey M. Wooldridge, Introductory Econometrics: A Modern Approach(Fourth Edition),Cengage Learning（圣智学习出版公司出版）2009年

⑦陈灯塔等著，应用经济计量学：EViews高级讲义（套装上、下册），北京大学出版社，2012.10

实验一：多元线性回归模型的线性与非线性估计、检验

实验说明：数据来源于教材p65页表4.1.1，工作文件夹是sy1.WF1，实验目的是让学生掌握生产函数的估计、检验以及多参数的线性约束检验等内容。注意：实际GDP是以1978年为100计算、资本存量是以1952年的不变价格计算。 实验内容：

1.估计双对数模型，以及说明各回归系数的经济含义； LnQ??0??1LnK??2LnL?? 2.对模型做t检验和F检验；

3.在5%的显著性水平下对随机干扰项的方差做如下检验：H0:?2?0.01和H0:?2?0.01H1:?2?0.01H1:?2?0.01

Beginning of Name 注意：利用Eviews命令来计算卡方分布的临界值。 Function Type Cumulative distribution (CDF) @c Density or probability Quantile (inverse CDF) @d @q 1

Random number generator @r 临界值命令：@qchisq(p,v)，p表示概率；v表示自由度。 P值命令：1-@cchisq(x,v)，X表示统计量的值。 4.利用F统计量来检验： H0:?1??2?1H1:?1??2?1

5.对模型进行非线性OLS估计：

a.设定初始值(双击序列C，在c(1)、c(2)和c(3)所对应的单元格中分别输入0，option中的收敛精度设为0.001，迭代次数100次)，保存模型；

b. 设定初始值(双击序列C，在c(1)、c(2)和c(3)所对应的单元格中分别输入0，option中的收敛精度设为0.00001，迭代次数1000次)，保存模型；

c.基于参数的显著性检验、参数的经济检验等来比较两模型 ①回归系数的符号及数值是否合理； ②模型的更改是否提高了拟合优度； ③模型中各个解释变量是否显著； ④残差分布情况

6.比较线性估计模型和非线性估计模型；

实验二：邹(Chow)突变点检验

Chow Test检验由邹至庄1960年提出的，当研究同一问题时，在不同时段得到两个子样本时，需要考察两个时段的回归系数是否相等，如果相等说明模型没有结构突变，如果不相等则说明模型存在结构突变。

实验数据与说明：Workfile sy2.wf1。中国全国居民消费水平时间序列(1952-1994)，用Chow Test方法检验1978年是否为一个突变点，即在1978年后，我国居民消费水平的增长速度是否要明显高于改革开放之前。 实验内容：

1.说明Chow Test检验统计量的构造：

RSST?(RSS1?RSS2)?/(T?K?1?(n1?k?1?n2?k?1))?F?(RSS1?RSS2)/(n1?k?1?n2?k?1)??RSST?(RSS1?RSS2)?/(k?1)(RSS1?RSS2)/(T?2K?2)

F(K?1,T?2K?2)其中T是总的样本容量，n1表示第一个子样本容量，n2表示第二个子样本容量，K表示回归模型中的解释变量个数。

2.画出消费水平的对数值的趋势图，初步考察是否存在结构突变；

2

3.根据上面的检验统计量和1978年为结构突变点，对模型进行Chow检验。即把样本分成两个子样本，1952-1977为第一个子样本，1978-1994为第二个子样本； 4.分三种样本情况拟合如下的回归模型：

LnYt??0??1t??t，t表示时间

5.建立Chow检验统计量，并计算统计量的P-值；(提取残差命令：方程名.@ssr；提取自由度命令：方程名.@df )

6.利用Eviews内置的菜单来实现模型的Chow检验，突变点是1978年； 7.对实验一中的中国宏观生产函数做Chow检验，突变点是1992年。

实验三：模型的设定误差检验(Specification Error Test)，(参考教材的106页)

理论简述：对于回归模型的设定误差主要包括两个来源：解释变量的不适当设定和模型的函数形式设定不当(后果：随机干扰项会存在非纯自相关，那么不能运用广义差分估计法去估计未知参数)，其中解释变量的不适当设定包含两种情况：模型包括过多的解释变量(后果：OLS估计量仍然是线性无偏的，但是参数的OLS估计量的标准误增大，除非多余的解释变量与其他的解释变量不相关，而这种情况在实际的经济生活中几乎是不可能的)和过少的解释变量(也称遗漏变量问题，后果：模型的OLS估计量是有偏且非一致的，其原因是被遗漏的解释变量与现有的解释变量之间总是存在一定的相关性)。对于过多解释变量的模型可以通过常规的t检验统计量来判别；而解释变量不足和函数形式不当导致的模型设定误差一般来说就应用拉姆齐(Ramsey)的RESET检验。

拉姆齐的RESET检验是一个一般性的设定误差检验，它即可以用于模型函数形式的检验，也可以用于模型中解释变量不足的检验。

实验数据与说明：Workfile sy3.wf1。RESET检验的基本思想是如果模型中存在遗漏变量或函数形式不当，则残差项一般为解释变量的非线性函数关系，而拟合值又是解释变量的线性组合，因此以拟合值的高次幂代表解释变量的非线性函数。公式说明：

如果真实的回归模型是：Yt??0??1X1t??2X2t??t 估计的回归模型：Yt??0??1X1t?vt

那么：vt??2X2t??t，随机干扰项V又包含了X2，因此V与之间存在某种函数关系，但不能说明残差与解释变量之间存在非线性关系(Wooldriege,1995)。

另外，如果真正的回归模型是非线性的，而估计模型设定为线性的，则根据泰勒定理，以线性模型近似代替非线性模型，意味着线性模型的随机干扰项包含了解释变量的高次幂(被解释变量的高次幂)，所以，模型设定不当也会导致随机干扰项与Y存在某种非线性函数关系。

3

研究我国1980-2008年城镇居民人均消费性支出与人均可支配收入的函数关系，以1980年的价格为基期，对所有数据去除价格指数，根据凯恩斯的绝对收入假说，如果假定边际消费倾向不变，则模型设定为：

Ct??0??1Yt??t

下面来检验以上模型是否存在设定误差。RESET检验的步骤：

?； ?t和拟合值C①对上式进行OLS估计，得到残差?t?为横坐标，残差??为纵坐标，观察C?和??是否存在系统的函数关系，如果存②以拟合值Ctttt在，则近似判断它们之间的函数关系；

?的高次幂加入到回归模型中构成如下的辅助回归模型，本例③根据近似的函数关系，将Ct可以表述为：

?2??C?3?t??0??1C ?t2t??t (模型1)

注意在学术界有两种构造辅助回归模型的方法：

第一种是：利用模型1来构造辅助回归函数，当然可以加入拟合值的高次方，然后来检验高次方系数是否联合显著，如果显著则认为存在设定误差，反之不存在设定误差；

第二种方法是：在原始模型中加入拟合值的高次方(2-4阶即可)，再检验高次方系数是否联合显著，如果联合显著则认为存在设定误差，反之没有设定误差；

即构造如下的辅助回归模型：

?2??C?3?? (模型2) Ct??0??1Yt??2Ct3ttEviews中实际上是第二种辅助回归的RESET检验，我们教材书上也是这种形式的辅助回归。

实际上这两种辅助回归没有本质区别，检验结论相同。

④对辅助回归模型中高次方变量进行联合显著性检验(如果高次方变量只有一个的话就运用常规的t检验，如果是加入了多个高次方解释变量则应用实验一的F检验)，如果不能拒绝原假设则意味着模型不存在设定误差，反之就认为模型存在设定误差。

?的高次幂作为注意：如果从图形不能判断函数形式，则可以直接在辅助回归模型中加入Ct解释变量，一般而言，加入2-4阶即可，然后运用t或F检验系数是否显著！

实验四：非嵌套模型的检验

实验说明：非嵌套模型检验又称为戴维森和麦金农的J检验，注：两模型之间不能存在包含

4

关系，否则称为嵌套检验。检验的基本思想是分为两步，第一是假设模型A为真，模型B为备选模型，将B模型的拟合值加入到模型A中进行回归，如果拟合值系数是显著的，则认为B模型为真；第二步是假设模型B为真，模型A为备选模型，将A模型的拟合值加入到B模型中进行回归，如果拟合值系数是显著的，则认为A模型为真。 注：只有当两步骤的结论一致时才能确定选哪个模型，否则不能确定。 实验内容：

1.利用实验三的数据对模型进行选择： Model Model2.判定规则

H0：模型A为真 拒绝 接受 :A:Bt?C?0??1?C?0??1t t?Y?22tY??1tt?Y?2?t1C?? 2tH0：模型B为真

拒绝 不能确定 选模型A 接受 选模型B 不能确定 实验五：多元线性回归模型的向量表述和Wald检验

实验数据与说明：文件夹sy5.WF1，考察我国自1980-2001年的国债发行额度与相关因素之间的数量关系。Y表示国债发行额(单位：亿元)，X1表示国内生产总值(单位：百亿元)，X2表示每年的财政赤字额(单位：亿元)，X3表示年还本付息额(单位：亿元)，t表示第t年的观测数据。模型：

实验内容：

1.如何利用命令，建立X和Y矩阵；

2.如何运用多元线性回归的估计公式进行回归的OLS估计；

Yt??0??1X1t??2X2t??3X3t?ut

?的方差-协方差矩阵和相应的t统计量，并?，并计算?3.利用命令计算随机干扰项的方差?2在5%的显著性水平下做参数的显著性检验； 4.对如下的假设做Wald检验：

实验六：主成分分析

实验数据与说明：Workfile sy6.wf1。1996年美国50个州分13个行业的州生产总值(GDP，单位是：百万美元)，13个行业分别是：Y1：农、林、渔业；Y2：采矿业；Y3：建筑业；Y4：耐用品生产业；Y5：非耐用品生产业；Y6：交通业；Y7：通信业；Y8：气、电、卫

5

H0:?2??3?0

本文来源：https://www.bwwdw.com/article/gtid.html